教育大数据应用于MOOC的资源开发范式研究

【摘 要】

MOOC运动掀起了在线资源建设的热潮。依托教育大数据准确分析学习者特质与在线教育资源相互适应是寻找MOOC资源持久生命力的开发范式。本研究通过文献法和开发研究法，设计了基于教育大数据的MOOC资源开发范式，提出了教育大数据意识是MOOC资源建设的基本意识，基于教育大数据的整体设计是MOOC资源建设的价值立场，基于教育大数据的理解是MOOC资源建设过程控制的内在逻辑，可选择是教育大数据的MOOC资源开发的表意形式。基于教育大数据的MOOC资源体现了契合程度高、实用性能佳、适应能力强等特征。结合《心理学与健康生活》的开发实践，提出了基于教育大数据的立项策略、内容选择、表达形式和反馈机制的方法与流程。

【关键词】 MOOC资源；教育大数据；开发范式

【中图分类号】 G434 【文献标识码】 A 【文章编号】 1009—458x（2015）08—0023—07

一、引言

随着数据时代的真正到来，最初发轫于天文学和基因学的“大数据”概念应用到人类致力于发展的所有领域中，标志着人类在寻求量化以认识世界的道路上前进了一大步。在教育领域，大数据改变教育研究和教育实践的言论随着教育大数据的价值进一步得到印证。当教育专家纷纷谈论大数据对教育的影响时，另外一件事情也鼓动着教育研究者的热情，那就是MOOC（大规模在线开放课程）。MOOC是基于课程与教学论及移动通信技术发展起来的区别于传统的远程教育和网络公开课的大规模在线开放课程。[1]在2012年兴起并掀起了一场风暴，涌现了Coursera、Udacity和Edx三驾马车。[2] 可以说，MOOC的到来对传统教育的课程组织、教学和考核模式产生了巨大影响。但学习者在进入MOOC学习环境时出现了很多问题，比如缺乏持续学习的动力，因缺乏有效的交互产生了学习孤独感，造成了MOOC完成率低下，引发了学界对MOOC发展的反思，认为虽然MOOC在教育界已经有了一席之地，用一年甚至更短的时间被主流教育所接受，但卷入潮流的只是少数派。[3]显然，学者的慎思和冷静并不是没有道理，MOOC没有真正收集学习者学习状态等相关数据进而改进自身开发范式。通过深入研究学习者的在线学习、技术如何影响学习者学习方式、教学过程中应该使用何种教学方式以及设置怎样的学习环境能适应新型学习方式，是MOOC发展中不得不解决的问题。在大数据研究者支持的话语体系中，解决这个问题的答案就是教育大数据。

二、教育大数据思维与MOOC

资源建设困境

（一）教育大数据思维

2012年以后，以分布式数据仓库、海量数据存储技术和流计算的实时数据仓库技术为代表的最新数据存储技术的出现[4]，宣布了大数据时代的真正到来。随着数据挖掘技术的发展，收集、管理和分析数据的能力得到极大的提升，数据成了左右发展的关键因素，大数据思维成为现代社会的核心素质。按照维克托·迈尔的说法，大数据思维主要体现在分析事物时注重所有的相关数据，而不是部分数据；乐于接受纷繁复杂的各种数据而不是精确数据；不再过于探求因果关系，而是关注事物的相关性。[5]这种思维方式推动了教育研究者用大数据进行决策和预判的文化形成，通过将数据在深度和广度上不断地延伸，帮助教育研究者了解、预测学习行为，掌握学习者学习态度和现有状态，为学习者提供与之相适应的教育内容、支持服务和行为干预，提高教学绩效。

（二）MOOC资源建设困境

2012年开始，MOOC这一概念被世界各地大学追捧，加上媒介和研究者的推波助澜，成为教育界的热潮。但是，隐匿于热潮下的困惑在深入研究中被挖掘出来，比如MOOC并没有解决远程教育中人情缺乏、文化缺失、内容简单的问题，甚至比以往的在线教育显得更加没有人情味，比如撑起MOOC交互的是成千上万学生的互相评价，甚至作业都没有办法得到老师的有效指导；虽然MOOC“在技术上实现了联通，却不能保证互动”。[6] MOOC与高校之间也处于亲密与距离、公共利益与欲望的中间点。著名远程教育专家约翰·丹尼尔在麻省理工学院的专题讨论会上对MOOC运动无视开放课程40年的发展经验提出了自己的忧虑。[7]在资源建设理念上也出现了分歧，“强调‘知识复制’程序主义在背离了与学生交流的MOOC环境中野蛮地生长，甚至没有任何一家MOOC运营商聘用任何接受过教学设计、学习科学、教育技术、课程设计培训的人员来帮助他们设计课程。”[8]尤其是因为课程的分散性和组织性存在的先天缺陷，根本没有办法判断学习者是否完成课程的学习。甚至有了MOOC会不会成为“拆远程教育的台、毁灭远程教育”的危言[9]。可以说，MOOC经历了初期的狂热，进入了中期的冷静反思期。

（三）用教育大数据打开MOOC资源建设困境

MOOC的困局归根结底是缺乏围绕学习者的需求提供教育，在资源开发中缺乏对学习者的理解，缺乏适合在线学习的人文环境设计。现行资源开发范式过于强调知识的效用而忽略了学生的需求，过于强调知识的呈现而忽视了学生的接受。教育大数据给了我们全新的范式：MOOC课程的学习者在规模上超过了很多传统课堂形式，相比以往在封闭网络环境中运行的在线教育形式也大为增加，能产生大量的有实际意义的数据，比如观看视频的长度，在观看视频之后参与学习讨论和其他活动的记录，课堂形成性考核的准确率和参与程度，哪类教学活动容易吸引学习者，这些数据对分析什么是好的资源、怎么建设资源、资源建成之后的修改方向等具有极大的意义。

三、来自教育大数据的MOOC

资源开发范式

所谓范式，是指一个学术共同体在学术研究的过程中所共享的信念、坚守的研究传统、价值立场以及接纳的研究方法、问题领域等，[10]即研究者或者参与者共享的价值观和行为准则。在大数据时代，基于大量的数据成为科学的基础，通过对数据的聚合、分析和研究，是推动以数据为基础的科学发展的动力和方法，被美国计算机专家格雷（J.Gray）称之为“科学研究的第四范式”。[11]教育科学的发展，需要面对社会转型对教育提出的新挑战，需要回应教育教学改革出现的问题，需要唤起和强化教育研究的自我意识，基于大数据的教育科学研究，能有效地回应这些问题，同时，也是解决MOOC资源建设过程中存在的各种问题的有效方式。教育大数据下的MOOC资源开发遵循什么原则、体现什么特征、需要什么样的方法和流程呢？

（一）基于教育大数据的MOOC资源开发原则

1. 大数据意识是贯彻MOOC资源建设过程的基本意识

在MOOC资源建设的每个环节，包括立项、设计、建设、使用和评价，需要将大数据思维置于其上。在立项上，需要充分收集数据论证课程的在线学习适应性，具备适应性的课程需要考虑学习者不同层次的需求，解决哪种需求层次的问题；在设计上，需要考虑学习者在学习过程中的具体状态，需要考虑围绕知识点所开展的教学设计是否解决学习者困惑；学习者参加学习的时间是多少？会在什么地点、什么时间参加学习？这些都是影响学习成效的教育大数据；在建设中，要充分考虑如何通过技术收集学习者与资源、其他学习者和支持服务者的复杂交互动作，判断学习过程中干扰数据的来源和特征等；在使用中，需要通过人机交互收集学习者状态的变化，包括学习状态和情绪情感变化等。通过合理的整理、建模和分析，提供给反馈体系，改进MOOC资源。

2. 基于教育大数据的整体设计是MOOC资源建设的价值立场

在线学习的习惯和心理造就了现行教育资源建设的碎片化趋向，这和数字化时代学习者的学习特质是一脉相承的，再加上基于Web2.0技术所呈现的微内容环境特征所产生的海量微资源，整个数字化生态被碎片化的资源所充盈。但是这种碎片化受到了教育者的批判，被认为是无法系统地掌握知识的罪魁恶 首。[12]在线教育的研究者开始了如何勾勒学习者系统学习知识地图，帮助学习者“弥补”微资源冲击所造成的知识构造缺陷。但这种帮助还停留在事后挽救的层面，面向未来的MOOC资源建设需要得到大数据的帮助，比如对知识进行有设计的系统讲解也是帮助学习者进行知识构建的有效模式，较长时间的学习投入对学习者深度学习的促进有无可辩驳的作用，尤其是构建一个适合知识唤起、应用和创新的环境的地位无可替代。例如围绕知识点强化练习的“高等数学”，细分为若干知识点，以知识点为单位建设短小、精微的MOOC资源有理所当然的优势。但对于深度分析《红楼梦》中王熙凤的人物个性特征，需要从其生活环境、个性形成过程中引用大量的材料，并从与周围人的交互中验证这种信息，这就需要较长的时间来帮助学习者分析和形成对王熙凤的大致印象，形成学习者心中的人物特征。大数据支撑的MOOC建设需要将文本化材料、数字化资源、运行模式、营销手段、评价方式和数据收集置于整体，来开展整体设计，将教育大数据的思维和价值立场融入到MOOC资源开发的全程中，通过收集已有资源的关键性、高敏度性、高显示性因素或者系统代表值进行科学预判，确保从创造需求为起点的MOOC各类资源都有相应的大数据支撑，体现MOOC在提升个人全方位能力的整体价值。

3. 基于教育大数据的理解是MOOC资源建设过程控制的内在逻辑

资源只有被理解才能产生价值，理解的程度决定了资源价值的大小。[13]任何有意义的学习都是建立在已有知识的基础上对新知识的理解过程中产生，资源建设者通过学习者对资源的理解获得精神生命，教学支持者通过学习者对资源理解所产生的交互过程防止自己在资源建设过程中的旁落，学习者通过理解获得自身的知识建构和能力提升。教育资源开发者对于资源理解的程度费尽了脑筋，他们关注体验发生的教学活动，但不知道更好的体验在时空分离的环境中具有什么样的表征；他们通过各种办法降低学习者的认知负荷，却不清楚到底什么样的负荷最有利于学习者完成知识的理解，与资源建设者达成视域上的融合；他们理解在线学习的孤单和焦虑，却不明白什么样的心理支持和交互能促进学习者之间的有效合作；他们渴望对话来获取学习者对资源的要求，却无法通过传统的问卷调查来获取有效的样本。但这些在教育大数据的发生逻辑中不会存在，海量的数据通过各种渠道收集并图示化表达，连同资源建设者、教学设计者和课程专家等组成的团队通过数据有效分析、调试学习者的学习状况，形成适合学习者学习的“最近发展区”。更不用说传统教育资源建设者的测量，大数据对测量的影响堪比显微镜对物质世界的存在。[14]通过收集学习者进入每次学习的背景、过程和结果获取数据，甚至深入到每次点击和触及键盘所形成的学习者思维状态的数据，就如写论文时通过不断地反复删除以期更为准确表达，而这个过程的数据体现了论文写作者思维的深度和习惯，放在教育的环境，这些数据对形成合适的环境、恰到好处的认知负荷、有效促进交流与对话时无疑是非常有价值的。

4. 可选择是教育大数据的MOOC资源开发的表意形式

最好的学习是个性化学习。个性化所蕴含的是资源的不同层次化，不是资源的优质性打折扣，而是学习者本身对学习有不同的理解和选择，这些要通过隐匿在资源背后的大数据作为支撑，进行合理的表达。比如黄金作为贵金属具有大众价值，很多人却对此嗤之以鼻抑或是爱而不能。MOOC资源也是同样的道理。以加特隆与诺维格所讲授的《人工智能》为例，无论是品质和实用性都具有大众价值，都是MOOC资源中的佼佼者，全球选修达到16万人次更说明了这个问题。但并不是所有人对《人工智能》执迷，在一拥而上的学习者中，也仅仅14%的人完成了课程的修读。[15]那么，MOOC如何应对个性化学习的需要？这就需要挖掘学习的过程信息，形成针对不同层次、不同类型、不同途径的多样化资源，在克服MOOC普适性需求和专业要求、降低学习者认知负荷以提高学习体验、遵循知识与能力的渐进序列和扩大人群，进行更多层次人群的挖掘。

（二）基于教育大数据的MOOC资源特征

1. 契合程度高

在传统的资源开发范式中，开发者会通过“小数据”时代的调查问卷等数据，进行资源开发的可行性和必要性分析，并依托这些数据进行教学设计，开始一系列资源开发的过程。但是，这种数据的利用，需要加上恰当的逻辑推理和理论分析，而在资源开发者认知框架中的学习者和实际的学习者会存在区别，这是以往在线学习和早期MOOC资源开发并不能契合学习者需求、发生大面积中止学习的缘由。“借助大数据的推理，社会科学将脱下‘准科学’的外衣，真正迈进科学的殿堂。”[16]教育大数据的范式将学习者知识、动机、元认知和态度结合在一起的学习模型将学习者学习行为与教学内容通过教学设计恰当地连接起来，只回应基于教育数据逻辑的“更好”，不再附加人的主观意识，显著提升学习资源的契合度。

2. 实用性能佳

通过基于教育大数据的恰当表达，使MOOC资源建设从立项、内容设计、呈现结果体现了一种更为贴近学习者的特质，MOOC具有更强的实用性。首先，通过教育大数据的课程建设能保证课程选择是基于效益最优值的。首先，基于教育大数据MOOC的立项依据是学习需求与资源建设之间的相关关系，从受众基础保障了MOOC的实用；其次，通过教育大数据实现了资源的整体效应，通过基于教育大数据，分析教学内容的“碎片化”与“整段式”呈现需要，建设体现整体最优效果的资源，确保MOOC资源建设能符合大部分人学习需要；再次，基于教育大数据的MOOC资源建设，实际上是更好地理解学习者，也是促进学习者更好地理解MOOC资源的有效措施。作为知识传授者的资源和作为知识构建者的学习之间需要通过特定的场域来交互，以实现资源与学习者的理解，脱离理解的学习资源是不能发挥其价值的，理解在传统上更多地被各种感性的词汇所表达，比如教室到底安排多少学习者能更好地促进学习者对内容的理解，这个问题会陷入说不清的尴尬境地[17]，但数据通过“勾画”学习者在每个内容的学习停留时间和作业完成情况，清晰地知道学习者对学习资源的理解程度，并以此实现资源的不断进化，实现更高层次的理解循环，[18]体现了更好的实用价值。

3. 适应能力强

在教育大数据的逻辑中，MOOC资源通过层次性的实现形成针对不同层次、不同类型、不同途径的多样化资源。在资源的多样化与单一性、普适性与专业性中游刃，以便能被学习者更好理解，符合学习者学习特征为基本标识，在通过教育大数据为中介的信息反馈中，帮助学习者有效地改进教学，不断提升自身资源的契合度和实用性能，通过海量数据实现以科学发现为依据的教学科学化。正如Coursera对学习者推荐时写道：“我们课程的设计基于可靠的教育学基础，从而可以帮助您快速高效地掌握新的知识。”这就是Coursera利用教育大数据进行开展设计教学的结果，极大提升了自身资源的质量，体现了强大的生命力。

（三）基于教育大数据的开发方法和流程

按照范式的理解，对于教育大数据所支持的MOOC资源开发范式，需要将教育大数据作为共享的信念和研究传统，通过方法和流程恰当地表达在MOOC资源建设的实践领域。具体而言，需要从大数据的角度关注几个基本问题：第一，要从教育大数据中找到课程立项建设的支撑，要在课程教学设计中关注教育大数据的切入，通过教育大数据问题解决范式进行资源设计；第二，要在平台中切入对学习者在使用过程中进行教育大数据的收集和整理；第三，通过教育大数据形成深度可以自控、广度可以自由的动态资源生成体系；第四，形成基于教育大数据的反馈机制，促进资源的进一步优化。而贯彻整个方法和流程的是学习者的需求和期待，解决问题的根本方法是大数据。图1显示了更好地理解教育大数据的开发方法和流程。其基本运行方式是：根据MOOC建设目标，结合课程的需求数据和学习者期待数据，生成MOOC立项建设的依据；进入MOOC内容和形式的确定，进行资源的建设；学习者通过学习体验和教师有针对性的支持服务，生成交互数据；通过课程的监控和测量数据，形成学习的过程数据和反馈数据，通过数据模型，生成学习者的期待数据和课程的需求数据。整个框架的流程和方法是依托教育大数据来实现的，核心步骤如下：

1. 基于教育大数据的立项策略

按照因果关系的逻辑，资源建设的必要性是由知识和能力在目的性人群中的缺陷、针对缺陷所需要的能力建设需求来设计的。在这种逻辑下，某门MOOC是为了满足这部分人群而建设的，但由于脱离需求人群学习相关数据，没有依托学习者的学习习惯、学习风格、学习能力等来实施资源的建设，脱离了学习者语境，使资源的建设背离了“学习需求”。这种现象极为常见，比如以往开设的国家精品课，会根据学习者需求建设资源，但这种建设，仅仅是建设者臆想中的“适应学习者”，且不说学习者的在线学习与课堂学习的区别，就是这种没有考虑“相关性”的资源，建成之后收效甚微。MOOC资源建设是根据学习者期待数据和课程标准所主导、结合课程的专业、社会需求数据形成的，脱离了以往的“因果关系”，体现更多的“相关关系”。比如，“学习者期待”所收集的学习者特征相对于“课程选择”和“社会需求”所收集的课程特征和“课程内容”等，其根本处理方法是基于教育大数据的相关关系，而不再是“分析”和“呈现”所形成的因果关系决定，并结合课程内容进行心理学和教育学视角的分析，根据教育大数据预判建设MOOC受众量，选择课程进行建设。基于教育大数据的资源建设决策越来越全面和真实地反映学习过程中的显性和隐性的相关性，也显得更加科学和合理。在一项针对179个大型上市公司的数据分析发现，有5%的增长率无法解释。[19]MOOC也大量存在无法用因果关系解释的相关关系。这也是各种教育决策越来越依赖教育大数据的原因。由OECD（经济合作与发展组织）组织的PISA（国际学生评估项目），是以提供教育大数据满足政府和组织的教育决策而生的，他们将数据测量的重点置于发现与学生学习表现相关的学生特征和校内外学习经历等特征，[20]并依据这些数据制定决策。MOOC资源建设需要依托教育大数据来处理很多问题。比如，MOOC生态的构建，需要大量的课程资源，但在建设上仍然要遵循轻重缓急逻辑，要在学习者需求、专业发展需求和自身可调度的资源上寻找率先需要解决的问题。某高校将“高等数学”列为优先开发课程是因为高等数学的传统教学方式在实践中遇到越来越多的问题，论坛中寻求帮助和检索相关资源数据激增，学习平台上该课程的下载量激增；该课程通过率下降，平均绩点等反应学习绩效的数据水平下降；关于该课程的“劣质教师”成为抱怨的显性度较高的词汇，综合这些相关数据，结合MOOC普遍意义的特色，合理过渡到选择“高等数学”作为当前工作任务显得“理所当然”。

2. 基于教育大数据的MOOC内容选择

MOOC资源建设，不能不考虑学习者的学习能力和已有基础，不同的学习层次施加同样的资源不能实现MOOC立项的初衷，这也是需要开展学习分析的主要原因。学习分析是检测和预测学生的学习过程，尽早发现问题并实施干预的行为。[21]按照教育大数据的逻辑，MOOC建设需要不同层次的学习资源，在有选择的交互过程中，判断学习者的学习能力等行为特征的学习分析，进行知识的拓展推荐，使之在进入核心内容时，大致达到相当的学习基础。这就意味着需要用更多的方法，获取更多类型的数据，以数据为基础进行内容的选择和设计。在吸收了MOOC理念的校级精品课程“心理学与健康生活”内容设计中，通过某校开放教育平台呈现的“心理与健康”（“心理学与健康生活”替代原来的“心理与健康”，其课程标准建立在“心理与健康”的普适性标准上，强调从学习者自我关心和自我成长的角度探讨健康生活，故两门课程是相关课程）10年的学习数据，提取了该课程关键性、高敏度性、高显示性的词汇：幸福（不幸）（166）、成长（144）、学习（77）、情绪（情绪控制）（264）、爱情（111）、睡眠（206）、心理问题（心理疾病、抑郁）（86）等七个（类）词汇，围绕这些高频问题的解决，结合学习者习惯的碎片化学习方式和内容跨越时长的需要，以及心理学与教育学基础，设计了7个章节、64段相关学习材料。并且，进入“心理学与健康生活”学习场域时设置了问题检测，通过问卷找到学习者所必须学习的内容，然后在此基础上，给学习者自主选择的权利，形成选修内容。当然，“心理学与健康生活”作为通识课程，学习者先前的经验对学习的成效影响有限，对于大部分课程而言，先后关系显得尤其重要，先前的问题没有完成，后续课程的理解难度就会剧增。因此，要依托教育大数据，形成适当高度的学习内容，在前期保障入口的轻松，在后期保障知识和能力的要求，实现渐进性内容通道。

3. 基于教育大数据的MOOC形式

MOOC主要有两种形式：一种是基于联通主义的cMOOC，强调用连接性知识来搭建MOOC学习环境；一种是基于行为主义的xMOOC，通过广泛运用微视频、测试和自动反馈等来支撑。[22]在实际使用过程中，两种方式都有市场空间和实用价值，尤其在面向海量不同学习者的不同学习习惯时，这种差异性更加明显。即使不考虑学习者差异性，学习内容上也对MOOC资源方式有不同的要求，比如程序性知识的学习xMOOC可能更为有效，在为解决“心理学与健康生活”的核心概念“健康生活：谁的领域？”或者是“睡眠问题的自我调节”这类步骤形式的章节中，更多的是各类概念的阐述，xMOOC更有价值；陈述性知识的学习需要构建更为复杂的学习情境，cMOOC通常能取得更好的效果，比如“心理学与健康生活”中关于“心理健康：我们可不可以自己做到”等带有较强的主观性，这类问题的产生，需要基于自身生活实践来形成自身的观点，按照某校原有开放教育平台“心理与健康”的相关讨论，学习者对这类问题的观点有很大的分歧，需要留给学习者更多的思考。按照教育大数据的逻辑，不管是哪种学习方式需要依托教育大数据说话，通过数据选择形式，形成不同类型形式，以更好实现课程的整体任务。

同时，MOOC呈现形式还存在长短之争。2013年，教育界另外一个引起轰动性的事件是全国性微课大赛，而且是4次！与此相关的课题和研究论文呈现井喷之势。与此相对应的是很多人对此保持谨慎的怀疑态度，甚至是明确的鄙视、反对和抵制，认为这种趋势会和以往的信息技术热潮一样转瞬即逝。不可否认，微课所造成的知识碎片化对系统性知识构建造成一定的障碍，但也不可否认这种教育资源对数字化时代的特定场景有较强的适应能力，这就引发了MOOC资源建设的长度问题。众所周知，“小、微、精”是微课理论为代表的MOOC资源建设模式，能满足特定时段、特定人群的需求，在MOOC阵营，教学视频一般控制在5-15分钟，突出重点、难点，以降低认知负荷。[23]前文中提到的系统讲解，也在很多场合有无可替代的作用，这就需要我们收集各类学习内容的特征，进行合理分类，形成恰当长度。理解资源所需要的时长抑或时短也需要听教育大数据的发声，通过对海量学习者相关信息的获取，分析所需要建设的课程资源所应当呈现的长度，比如“高等数学”在“短小”为特征的认知负荷降低方式中，学习者有更强的适应力，体现了更强的学习效果，在同类的相关课程资源开发中要考虑借鉴这种长度；在“文学作品赏析”的课程资源中，分析类似王熙凤人物个性特征需要较长时间资源的支撑，但是关于文学的发展历程，建成短小资源更符合学习者的学习需要。同样，按照笔者主持“心理学与健康生活”课程资源开发的经验，需要学习者更多反思的内容，建成太短所触发学习者发表自身言论的数据量就太小；需要阶段性巩固的概念学习，内容太长也影响了做题的准确程度。总之，通过教育大数据开展研究的巨大优势，分析不同类型知识学习的不同特性，不同年龄学习者学习方式的不同特质，统整性地考虑资源建设，形成“长短结合”的整合效应，克服以往理论应用的直观经验和理论推测产生的负面效应。

4. 基于教育大数据的反馈机制

MOOC要利用教育大数据的学习分析技术为学习提供支持，改善学习过程，提供个性化的学习支持，就需要建立基于教育大数据的反馈机制，通过反馈作用于立项、内容选择和形式选择。这种反馈机制的数据来源主要是学习体验、学习交互和学习支持、监督与测量。按照教育大数据的逻辑，从平台选取上，就应该突出数据的收集功能，通过收集学习者参与学习、沉浸学习（退出学习）、完成学习和以后旨在培养学习习惯的资源推送学习等全程的数据，为有效提取学习过程的相关数据做准备。当然，这不是一件简单的事情，一方面需要课程建设者明晰所需要的数据类型和效果，一方面需要设置数据记录的技术。按照一般逻辑，前者比后者更为困难，但现有条件下，后者的实现也不太容易。笔者作为主持人开发“心理学与健康生活”所需要的数据收集，整合了一所举办35年的远程教育为主体的高校优质网络技术人员，通过不断降低需求，勉强将部分需要的数据收集起来。还需要更高、更多层次的数据挖掘专家结合教育学专家的协同创新，形成可以迁移和复制的平台才能实现。要通过预先设计好的教学内容和形式进行学习，这个过程产生的学习表现数据，系统根据表现进行模型建构，以此进行内容和方式的调整。[24]这种反馈机制不仅作用于后续MOOC的开发，同时也是MOOC资源成熟与创新的基础。因为这些数据为后续资源的开发在认知负荷的把握上、在渐进性资源建设上会更加自如，使MOOC成为能自如生长的“有机体”。这些数据又通过制作者对“相关性”的考量，进行新的循环，在提升MOOC这个“有机体”的生命力上发挥作用。

四、结语

马克思主义认为，历史是人有意识、有目的的能动活动，在面向未来的表征中，它是未完成的，也是待定的。教育大数据在面向未来的包括MOOC资源建设过程中，仍然是“未来的”和“创生性”的。教育大数据为未来MOOC的发展提供了无限的可能，教育者可以开拓MOOC可能的世界，呈现五彩缤纷的未来，真正实现学习者的自由，彰显人类自由的本性。同时，也提醒急于通过MOOC建设来提升自身内涵、打造自身品牌的开放大学抑或其他普通高校，在追逐MOOC的同时，需要关注教育大数据范式在MOOC发展过程中的影响，利用教育大数据推动教学研究和教学产品的改善，站在全球化视域的高度来探索一条适合自身的在线教育发展道路。

[参考文献]

[1] 张羽，李越. 基于MOOCs大数据的学习分析与教育测量介绍[J].清华大学教育研究，2013，（08）：22-23.

[2] 刘杨钺. MOOC：传统型大学面临的新挑战[J]. 中国社会科学报，2013，6（26）：B07.

[3] 约翰·巴格利. 反思MOOC热潮[J]. 开放教育研究，2014，（02）：9-11.

[4] 卢辉. 数据挖掘与数据化运营实战思路方法技巧与应用[M]. 北京：机械工业出版社，2013.

[5] 维克托·迈尔，盛杨燕等译. 大数据时代[M]. 杭州：浙江人民出版社， 2013：28-29.

[6] 约翰·巴格利. 反思MOOC热潮[J]. 开放教育研究，2014，（02）：9-11.

[7] Daniel，J.（2013）.MOOCs：What lies beyond the trough of disillusionment？[C].LINC2013 Conference.Boston：MIT.

[8] Holton，D.what’s the “prblem”with MOOCs？[NB] http：//edtechdev.wordpress.com/2012/05/04/whats the.problem.with.moocs.

[9] 约翰·巴格利. 反思MOOC热潮[J]. 开放教育研究，2014，（02）：9-11.

[10] 李姗泽. 论人类学研究范式对中国教育研究的启示[J]. 教育研究，2012，（12）：18-20.

[11] 张静波. 大数据时代的数据素养教育[J]. 科学，2013，（07）：29-31.

[12] 郑小军，张霞. 微课的六点质疑及回应[J]. 现代远程教育研究，2014，（02）：48-49.

[13] 吴南中. 走向理解的远程教育资源建设：内涵与方式[J]. 湖南广播电视大学学报，2011，（02）：1-4.

[14] Lohr，S. The Age of Big Data[N]. New York Times，2012-2-11（10）.

[15] 王文礼. MOOC的发展及其对高等教育的影响[J]. 江苏高教，2013，（02）：53-54.

[16] 李国杰，程学旗. 大数据研究：未来科技及经济社会发展的重大战略领域[J]. 中国科学院院刊，2012，（06）.

[17] 杨满福，焦建利. 大教学、大数据、大变革——Edx首门“慕课”研究报告的分析与启示[J]. 电化教育研究，2014，（06）：34-38.

[18] 吴南中. 理解资源——MOOC资源建设的内在逻辑[J]. 2015，（3）：31-35.

[19] Brynjolfesson，E.Erik Brynijofesson on Big Data：A Revolution in Decision-Making Improves Productivity[EB/OL].http：//mitslanloanexperts.mit.edu/erik-brynjolfesson-on-big-data-a-revolution-in-decision-making-improves-productictivity/.

[20] 沈学珺. 大数据对教育意味着什么[J]. 上海教育科研，2013，（09）：10-12.

[21] 张羽. 教育政策定量评估方法中的因果推断模型以及混合方法的启示[J]. 清华大学教育研究，2013，（03）：29-40.

[22] 韩锡斌，程璐楠，程建钢. MOOCs的教育学视角分析与设计[J]. 电化教育研究，2014，（01）：45-51.

[23] 贺斌. 慕课：本质、现状及其展望[J]. 江苏教育研究，2014，（01）：1-3.

[24] 张羽，李越. 基于MOOCs大数据的学习分析和教育测量介绍[J].清华大学教育研究，2013，（08）：22-26.

收稿日期：2014-12-15

定稿日期：2015-05-06

作者简介：吴南中，讲师，重庆广播电视大学教学教务科（401520）。

责任编辑 日 新